05. June 2026
Da AI-oppstartsselskapet Quilty lanserte sitt nye verktøy tidligere i år, sparte de ikke på konfettiene: De lovet at deres kunstige intelligens kunne forutsi om et filmmanus ville bli en kassasuksess eller en flopp, utelukkende ved å analysere teksten. Nå som eksterne aktører i filmbransjen faktisk har fått teste verktøyet i praksis, viser det seg imidlertid at resultatene ikke helt står til forventningene, og skepsisen sprer seg i Hollywood.
Filmindustrien har i alle år jaktet på den ultimate formelen for å redusere økonomisk risiko i prosjekter som fort koster hundrevis av millioner kroner. Quiltys idé var å trene modeller på historiske filmdata for å gjenkjenne mønstre som historisk sett har gjort det bra. Utfordringen er at kreativitet, emosjonell resonans og kulturell timing er ekstremt flyktige størrelser som lar seg vanskelig fange opp av rene tekstgjenkjenningsmodeller.
For produsenter, strømmetjenester og uavhengige filmskapere betyr dette at man fortsatt må stole på menneskelig teft når historiens kjerne skal vurderes. I stedet for å bruke AI som en "smaksdommer" for å gi grønt eller rødt lys til et prosjekt, ligger den faktiske verdien i mer strukturelle oppgaver. Filmstudioer kan med fordel bruke verktøyene til å avdekke logiske brister i manus, analysere tempoet i dialoger eller estimere produksjonskostnader basert på scenebeskrivelser, fremfor å prøve å spå billettsalg. Les hele saken hos The Verge AI.
En høyst uventet, men svært kjærkommen bieffekt av utbredelsen av store språkmodeller har truffet utviklermiljøene: Programmerere har plutselig begynt å skrive grundig dokumentasjon. Historisk sett har det å dokumentere egen kode vært ansett som en av de kjedeligste og mest nedprioriterte oppgavene i et programvareprosjekt. Nå viser det seg imidlertid at utviklere mer enn gjerne forklarer koden sin i detalj – så lenge mottakeren er en AI-assistent som Anthropic's Claude.
Dette adferdsskiftet handler i bunn og grunn om umiddelbar belønning og kortere tilbakesløyfer. Tidligere krevde det mye viljestyrke å skrive dokumentasjon for en kollega som kanskje skal lese den om to år. Når utvikleren derimot opplever at en detaljert beskrivelse av systemarkitekturen til en AI-assistent umiddelbart resulterer i generering av feilfri, fungerende kode i løpet av sekunder, snus motivasjonen helt på hodet.
For teknologiledere og CTO-er åpner dette opp en gyllen mulighet til å løse det evige problemet med utdatert dokumentasjon. Ved å legge til rette for arbeidsflyter der utviklernes "prompter" og forklaringer til AI-verktøyene loggføres systematisk, kan programvarehus fange opp verdifull arkitekturforståelse som ellers ville blitt værende i hodet på den enkelte. Dette gjør systemene langt mer robuste mot nøkkelpersonell-risiko og forenkler onboarding av nye hoder i komplekse prosjekter. Les hele saken på Hacker News.